Tensorflow: Win10:ImportError:DLL 加载失败:找不到指定的模块

创建于 2018-10-06  ·  184评论  ·  资料来源: tensorflow/tensorflow

系统信息:

我是否编写了自定义代码:否
操作系统平台和分发:Windows 10 Pro 更新
移动设备:无
TensorFlow 安装自:pip install
TensorFlow 版本:1.11.0
Python 版本:3.6.6
Bazel 版本:未安装
CUDA/cuDNN 版本:CUDA 9.0、cuDNN 8.0
GPU型号及显存:GF-GTX970 STRIX
重现的确切命令:
pip 安装张量流
pip 安装 tensorflow-gpu
Python
将张量流导入为 tf

问题

即使在尝试降级到旧版本的 CUDA 工具、cuDNN、python、tensorflow 和 tensorflow-gpu 之后,我也一直出现此错误。 我已经更新了我的环境变量。 我已经安装了 Visual C++ Redistributable Update。
我已阅读并尝试遵循其他类似问题(例如 #10033 和 #17101)的解决方案,但未能成功解决问题。

日志

C:\用户\用户>蟒蛇
Python 3.6.6 (v3.6.6:4cf1f54eb7, Jun 27 2018, 03:37:03) [MSC v.1900 64 位 (AMD64)] 在 win32 上
输入“帮助”、“版权”、“信用”或“许可”以获取更多信息。
<> 将 tensorflow 导入为 tf
回溯(最近一次调用最后一次):
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 243 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件 ”",第 1 行,在
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow__init__.py”,第 22 行,在
from tensorflow.python import pywrap_tensorflow # pylint: disable=unused-import
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python__init__.py”,第 49 行,在
从 tensorflow.python 导入 pywrap_tensorflow
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 74 行,在
引发导入错误(味精)
导入错误:回溯(最近一次调用最后一次):
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 243 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Users\user\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

windows builinstall

最有用的评论

我刚刚将 TensorFlow 降级到 1.10.0 并且它起作用了

pip install tensorflow-gpu==1.10.0

所有184条评论

谢谢你的文章。 我们注意到您没有填写问题模板中的以下字段。 如果它们与您的案例相关,您能否更新它们,或者将它们保留为 N/A? 谢谢。
移动设备

谢谢你的文章。 我们注意到您没有填写问题模板中的以下字段。 如果它们与您的案例相关,您能否更新它们,或者将它们保留为 N/A? 谢谢。
移动设备

OK完成。

我在 Windows 10 上尝试使用 tensorflow-gpu 时遇到了同样的问题。
因为我无法让它在 cuDNN10 上工作......我选择了 9 而不是使用......

conda create --name tf-gpu
conda install -c aaronzs tensorflow-gpu
conda install -c anaconda cudatoolkit
conda install -c anaconda cudnn
conda 安装 keras-gpu

您还可以在https://www.pugetsystems.com/labs/hpc/The-Best-Way-to-Install-TensorFlow-with-GPU-Support-on-Windows-10-Without-Installing-CUDA上查看全文

归功于唐纳德·金霍恩博士

我和你有同样的问题@damcclane 。 你是怎么解决的?

Win10 x64、python 3.6、带有 cudnn 7.0.5 的 cuda9 以及带有 cudnn 7.3.1 的 Win10 x64、python 3.7、cuda10

两者都有相同的问题。 我的显卡是 Nvidia GeForce 1050 Ti

同样的问题。 Win10 x64、python 3.5、tensorflow-gpu 1.11.0、CUDA 8,安装了 CUDNN 6。

同样的问题,Win10 x64,python 3.6,cuda 9 with cudnn 7.0

同样的问题,有大神知道怎么解决吗?

同样的问题在这里...... :(

我过去曾遇到过这个问题,这是因为我使用了错误的 CUDNN 版本。 您可以尝试下载其中的一些,看看是否有任何工作。

我想鼓励所有面临此问题的人在TensorFlow 存储库上创建一个新问题,以便我们可以专注于解决您的问题,因为系统配置因人而异。 谢谢!

固定,然后!

2018 年 10 月 17 日星期三上午 10:39 Corentin Jemine通知@github.com
写道:

我过去遇到过这个问题,那是因为我的版本错误
CUDNN 的。 你可以尝试下载其中的一些,看看是否有
工作。


您收到此消息是因为您发表了评论。
直接回复本邮件,在GitHub上查看
https://github.com/tensorflow/tensorflow/issues/22794#issuecomment-430676267
或静音线程
https://github.com/notifications/unsubscribe-auth/AYfA4TRxTaZ7pKfyszlWqPGknt_ohvlaks5ul082gaJpZM4XLOd-
.

我再次安装了 CUDA9 和 cuDNN 7.0.5 并重新启动了计算机。 相关的问题刚刚消失。

我正在使用 Cuda10 和 cudaNN 7.3.1.20 并且我收到以下错误有人可以告诉解决方案@tensorflowbutler
回溯(最近一次调用最后一次):
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 243 行,在 load_module
返回负载动态(名称,文件名,文件)
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件 ”",第 1 行,在
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow__init__.py”,第 22 行,在
from tensorflow.python import pywrap_tensorflow # pylint: disable=unused-import
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python__init__.py”,第 49 行,在
从 tensorflow.python 导入 pywrap_tensorflow
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 74 行,在
引发导入错误(味精)
导入错误:回溯(最近一次调用最后一次):
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 243 行,在 load_module
返回负载动态(名称,文件名,文件)
文件“C:\Users\Darshan\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

无法加载本机 TensorFlow 运行时。

同样的问题,Windows 10 x64,python3.5,tensorflow-gpu 1.11.0,CUDA 10.0,cudnn 7.3.1,我的显卡是GTX 1070Ti

@iteratorlee

我想鼓励所有面临此问题的人在TensorFlow 存储库上创建一个新问题,以便我们可以专注于解决您的问题,因为系统配置因人而异。 谢谢!

同样的问题,在 cuda 10 上,当我安装 anaconda 时,我错过了 PyHamcrest,在我安装“pip install PyHamcrest”之后,直到今天一切正常。 我犯了同样的错误。

我面临同样的问题。 导入另一个名为 PyQSTEM 的包进行电子显微镜模拟时也会出现问题。 如果有人能找到解决问题的方法,请在这里分享解决方案吗? 谢谢

同样的问题,Windows 10 x64,python3.5,tensorflow-gpu 1.11.0,CUDA 10.0,cudnn 7.3.1,我的显卡是GTX 1070Ti

同样的问题,我尝试安装 CUDA 9.0,但 NVIDIA 通知我驱动程序与图形硬件不兼容,但使用 CUDA 10.0,则没有此类警告。

幸运的是,在安装了 C++ 包的 Visual Studio 2017、Windows 10 x64、python3.6.7、tensorflow-gpu 1.11.0、cudnn 7.3.1、cuda 9.0 和 cuda 10.0 都安装时问题解决了(不检查哪个是正确的) ,我的显卡是GTX 1070Ti。

我刚刚将 TensorFlow 降级到 1.10.0 并且它起作用了

pip install tensorflow-gpu==1.10.0

我最终通过使用 tensorflow 1.12.0 和 cudnn 7.4.1.5 安装 cuda 9.0 而不是 9.2 或 10.0 来解决问题

我可以确认,以下程序集在 Windows 10 上不起作用:

  • 张量流 1.12.0
  • cuda 工具包 10.0.130
  • cudnn 7.4.1.5

附加信息:

  • 带有 NVIDIA 驱动程序 411.81 的 NVIDIA Quadro P1000
  • Microsoft Visual C++ 2015 Redistributable 14.0.24215(存在C:\Windows\system32\msvcp140.dll
  • 蟒蛇 3.6.7

我也收到消息

导入错误:DLL 加载失败:找不到指定的模块。

不幸的是,它没有说明遗漏了哪个模块。

[编辑]

刚刚意识到,你写:

TensorFlow 支持 CUDA 9.0。

我现在重新安装。

回溯(最近一次调用最后一次):
文件“C:\Program Files\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Program Files\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Program Files\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Program Files\Python36\lib\imp.py”,第 243 行,在 load_module
返回负载动态(名称,文件名,文件)
文件“C:\Program Files\Python36\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:%1 不是有效的 Win32 应用程序。

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件“C:\Users\ABC\Desktop\pyprograms\tensorflowbasic\1.py”,第 1 行,在
将张量流导入为 tf
文件“C:\Program Files\Python36\lib\site-packages\tensorflow__init__.py”,第 24 行,在
from tensorflow.python import pywrap_tensorflow # pylint: disable=unused-import
文件“C:\Program Files\Python36\lib\site-packages\tensorflow\python__init__.py”,第 49 行,在
从 tensorflow.python 导入 pywrap_tensorflow
文件“C:\Program Files\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 74 行,在
引发导入错误(味精)
导入错误:回溯(最近一次调用最后一次):
文件“C:\Program Files\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Program Files\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Program Files\Python36\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Program Files\Python36\lib\imp.py”,第 243 行,在 load_module
返回负载动态(名称,文件名,文件)
文件“C:\Program Files\Python36\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:%1 不是有效的 Win32 应用程序。

我的安装:

Windows 10.0.17763.134 x64
NVIDIA 驱动程序 416.92
CUDA 10.0.130
CUDA 10.0 的 CUDNN 7.4.1.5
蟒蛇 3.6.7
GeForce GTX 1080 Ti

这个错误的原因似乎是人们在没有 Tcl/Tk 支持的情况下安装 Python,没有意识到 SWIG 和模块导入需要 Tcl。 我刚刚对此进行了测试,在我的情况下,修改 Python 安装以添加 Tcl/Tk 是不够的——我必须删除所有内容并从头开始安装,现在我不再收到错误消息。

TL;DR -- 只需在选择 Tcl/Tk 选项的情况下完全删除并重新安装 Python。

花了将近两天的时间,终于通过安装解决了这个问题:

  • cuda 9.0 而不是 9.2 或 10.0
  • 张量流1.12.0
  • cudnn 7.4.1.5

感谢@吴云帆💯

首先我安装

  • CUDA 10.0
  • cudnn 7.3
  • 张量流 1.12.0

我收到了这个错误。
然后我卸载 tf 1.12 并安装 tf 1.10 。 它问我cudart64.dll。 我将它添加到路径和 tf 工作。
然后我重新安装 tf 1.12 并且一切正常。

TensorFlow 支持 CUDA 9.0

@ljzsky虽然 TensorFlow 确实将从 1.13 版开始正式支持 CUDA 10.0,但 TensorFlow 1.12 可以(并且已经)针对 CUDA 10.0 构建,并且可以很好地与它配合使用。

@linsui你说的完全没有意义。 TensorFlow 是一个库,它无法要求您提供 cudart64.dll。

@levicki我不知道为什么,但是 tf1.10 显示了与 tf1.11 和 tf1.12 不同的消息。

我遇到了这个问题
回溯(最近一次调用最后一次):
文件“C:\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\anaconda\envs\tensorflow\lib\imp.py”,第 243 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\anaconda\envs\tensorflow\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件 ”",第 1 行,在
文件“C:\anaconda\envs\tensorflow\lib\site-packages\tensorflow__init__.py”,第 24 行,在
from tensorflow.python import pywrap_tensorflow # pylint: disable=unused-import
文件“C:\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python__init__.py”,第 49 行,在
从 tensorflow.python 导入 pywrap_tensorflow
文件“C:\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 74 行,在
引发导入错误(味精)
导入错误:回溯(最近一次调用最后一次):
文件“C:\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\anaconda\envs\tensorflow\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\anaconda\envs\tensorflow\lib\imp.py”,第 243 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\anaconda\envs\tensorflow\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。
无法加载本机 TensorFlow 运行时。

请有人告诉我如何解决这个问题?

@thischeng
这不是一个支持论坛,这是一个报告问题的地方,并提供足够的信息供开发人员重现它们,如果它们成为 tensorflow 代码中的实际问题,它们将在未来的版本中得到修复。

似乎您甚至没有费心阅读此线程,因为上面发布了几种解决方法,包括我的。

最后,在没有指定完整的硬件和软件配置的情况下寻求帮助,也没有列出到目前为止您已经采取了哪些步骤来尝试自己解决问题,至少可以说是不礼貌的。

@levicki
谢谢你的批评,我没看清楚,下次我会注意我的提问方式。

我遇到了同样的问题。 我的配置是:

  • CUDA Toolkit v9.0(安装时不支持 Visual Studio)
  • Tensorflow-gpu v 1.12.0(用pip安装)
  • cudnn v7.4.1.5 CUDA v9.0 兼容。
  • 英伟达 GeForce 1070
  • Windows 10 家庭版

在花了将近一天的时间弄清楚为什么 tensorflow 没有找到正确的 dll 文件之后,我找到了一个关于如何安装 cudnn 的指南,顺便说一下,它并不像看起来那么简单。 该指南由 nVidia 编写,这里是我遵循的操作。

  1. 从 nVidia 官方网站下载适合您配置的正确 cudnn 版本。
  2. 然后解压cuda文件夹,解压到哪里都没有关系。
  3. 打开文件资源管理器并转到您安装 CUDA 的目录,在我的例子中是 C:/Program Files/NVIDIA GPU Computing Toolkit。
  4. 转到 CUDA/v9.0/lib/x64。 在这里,您必须将名为“cudnn.lib”的文件放在 CUDA/lib/x64 中(cudnn 包,从 nVidia 下载)
  5. 对(左cudnn包,右CUDA安装路径)重复该过程:
  6. CUDA/bin/cudnn64_7.dll -> CUDA/v9.0/bin
  7. CUDA/include/cudnn.h -> CUDA/v9.0/include
  8. 现在您必须检查环境变量是否设置正确。 确保存在 CUDA_PATH 变量,C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 值存在,如果没有添加它。
  9. 享受在您的系统上工作的 tensorflow-gpu

我遇到了同样的问题。 我的配置是:

  • CUDA Toolkit v9.0(安装时不支持 Visual Studio)
  • Tensorflow-gpu v 1.12.0(用pip安装)
  • cudnn v7.4.1.5 CUDA v9.0 兼容。
  • 英伟达 GeForce 1070
  • Windows 10 家庭版

在花了将近一天的时间弄清楚为什么 tensorflow 没有找到正确的 dll 文件之后,我找到了一个关于如何安装 cudnn 的指南,顺便说一下,它并不像看起来那么简单。 该指南由 nVidia 编写,这里是我遵循的操作。

  1. 从 nVidia 官方网站下载适合您配置的正确 cudnn 版本。
  2. 然后解压cuda文件夹,解压到哪里都没有关系。
  3. 打开文件资源管理器并转到您安装 CUDA 的目录,在我的例子中是 C:/Program Files/NVIDIA GPU Computing Toolkit。
  4. 转到 CUDA/v9.0/lib/x64。 在这里,您必须将名为“cudnn.lib”的文件放在 CUDA/lib/x64 中(cudnn 包,从 nVidia 下载)
  5. 对(左cudnn包,右CUDA安装路径)重复该过程:
  • CUDA/bin/cudnn64_7.dll -> CUDA/v9.0/bin
  • CUDA/include/cudnn.h -> CUDA/v9.0/include
  1. 现在您必须检查环境变量是否设置正确。 确保存在 CUDA_PATH 变量,C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 值存在,如果没有添加它。
  2. 享受在您的系统上工作的 tensorflow-gpu

谢谢! 那解决了我的问题!
我的系统:
窗口 10
蟒蛇 3.6
Cuda 工具包 v9.0
cudnn 7.4.2
显卡:英伟达p4000

卸载 v10 及其关联的 cudnn 后,然后安装上述内容,然后按照 (andpi314) 中的教程进行操作
张量流 GPU 启动并运行。

这是我的情况,检查cudnn的copy&paste,确定bin,include,lib这三个文件夹的文件都复制粘贴到cuda的同一个路径下,我只是复制到错误的路径,检查系统路径后cuda,再次复制和粘贴,然后它可以正常运行。

回溯(最近一次调用最后一次):
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\imp.py”,第 243 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件 ”",第 1 行,在
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\site-packages\tensorflow__init__.py”,第 24 行,在
from tensorflow.python import pywrap_tensorflow # pylint: disable=unused-import
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\site-packages\tensorflow\python__init__.py”,第 49 行,在
从 tensorflow.python 导入 pywrap_tensorflow
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 74 行,在
引发导入错误(味精)
导入错误:回溯(最近一次调用最后一次):
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\site-packages\tensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\imp.py”,第 243 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Users\SPECTRE\Anaconda3\envs\tfpose\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

无法加载本机 TensorFlow 运行时。

我遇到了同样的情况,我的配置是:
CUDA10
cudnn v7.4 for CUDA10
Tensorflow-gpu v1.12.0

我看到上面的解决方案建议使用 CUDA9,但我的 GeForce 控制器中的信息显示我的 GPU GTX1050Ti 仅支持 CUDA10(它写着“NVIDIA CUDA 10.0.132 驱动程序”,实际上我不知道它是什么意思),我该怎么办解决这个问题?

我再次安装了 CUDA9 和 cuDNN 7.0.5 并重新启动了计算机。 相关的问题刚刚消失。

@Asichurter我有相同的显卡,上述组合没有问题。

解决方案! 如果您尝试使用 CUDA 10 运行 TF

Tensorflow 1.12 不支持 CUDA 10 但每晚构建支持

有2个解决方案

  1. 删除 TF 1.12 并安装 nightly build 1.13
    pip卸载tensorflow-gpu
    pip 安装 tf-nightly-gpu

替代解决方案:将 CUDA 降级到 9.0

记住每次重新安装时将 CUDNN 文件复制到 CUDA 安装文件夹中的正确位置

我遇到了同样的问题,并尝试了大约 3 个小时的大部分建议修复,但没有成功。 但是,我在顶部找到了 kennedyCzar 的帖子 - 这解决了我的问题(“ImportError:DLL 加载失败:找不到指定的模块。”)我强烈鼓励读者尝试这种方法,因为它既快速又简单。 我特地去了 Donald Kinghorn 博士引用的博客文章,并按照说明操作。

请参阅下面的 kennedyCzar 2018 年 10 月 16 日的帖子副本:

我在 Windows 10 上尝试使用 tensorflow-gpu 时遇到了同样的问题。
因为我无法让它在 cuDNN10 上工作......我选择了 9 而不是使用......

conda create --name tf-gpu
conda install -c aaronzs tensorflow-gpu
conda install -c anaconda cudatoolkit
conda install -c anaconda cudnn
conda 安装 keras-gpu

您还可以在https://www.pugetsystems.com/labs/hpc/The-Best-Way-to-Install-TensorFlow-with-GPU-Support-on-Windows-10-Without-Installing-CUDA上查看全文

归功于唐纳德·金霍恩博士

我在 tensorflow-gpu v1.12 上运行了 CUDA 10。 我没有阅读小字体,因此错过了该版本不适用于 CUDA 10。降级到 CUDA 9 现在可以使用了。

我在 TensorFlow 1.12.0 上遇到了同样的问题,但没有一个解决方案对我有用。 然后我降级到 TensorFlow 1.10.0,这次错误消息提供了更多信息。 它告诉我在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin找不到 cudart64_90.dll。 将此特定路径添加到 PATH 变量后,它运行顺利没有错误。

这让我想知道 TensorFlow 中是否存在错误,因此它无法导航到“bin”子文件夹本身,因为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0已经存在于许多环境变量(如 CUDA 和 CUDA_HOME)中,因此它应该能够找到它。

其次,这让我想知道为什么 TensorFlow 1.12.0 的错误消息信息量如此之少。 在 1.12.0 中,它只是说无法导入某些 DLL。 在 1.10.0 中,它准确地向我展示了缺少哪个 DLL,甚至提出了将其添加到 PATH 的可行解决方案。 这是一种更好的错误处理方式,我建议您重新审视那些认为隐藏错误消息是个好主意的人的提交。

解决方案! 如果您尝试使用 CUDA 10 运行 TF

Tensorflow 1.12 不支持 CUDA 10 但每晚构建支持

有2个解决方案

  1. 删除 TF 1.12 并安装 nightly build 1.13
    pip卸载tensorflow-gpu
    pip 安装 tf-nightly-gpu

替代解决方案:将 CUDA 降级到 9.0

记住每次重新安装时将 CUDNN 文件复制到 CUDA 安装文件夹中的正确位置

确认此解决方案

使用 tf-nightly-gpu
赢10
CUDA 10.0
蟒蛇 3.6.4
geforce 960M
cudnn64_7

我最终通过使用 tensorflow 1.12.0 和 cudnn 7.4.1.5 安装 cuda 9.0 而不是 9.2 或 10.0 来解决问题

但我下载了 cudnn7.4.1.5 而不是 cudnn7.0.5 仍然遇到这个错误。
我的配置如下:
CUDA 9.0
cudnn7.4.1
pip 安装 tensorflow-gpu==1.12.0
蟒蛇 3.6.4
英伟达 geforce 1080TI

我最终通过使用 tensorflow 1.12.0 和 cudnn 7.4.1.5 安装 cuda 9.0 而不是 9.2 或 10.0 来解决问题

但我下载了 cudnn7.4.1.5 而不是 cudnn7.0.5 仍然遇到这个错误。
我的配置如下:
CUDA 9.0
cudnn7.4.1
pip 安装 tensorflow-gpu==1.12.0
蟒蛇 3.6.4
英伟达 geforce 1080TI

最后我将 bazel 版本降级到 0.20.0(从 0.21.0)解决了这个问题。 但我不知道为什么不能兼容 lastst bazel 版本。

CUDA 10.0
cudnn7.4.2
pip 安装 tf-nightly-gpu
蟒蛇 3.6.4
英伟达 geforce 1070

有用。

CUDA 10.0
cudnn7.4.2
pip 安装 tf-nightly-gpu
蟒蛇 3.6.4
英伟达 geforce 1070

有用。

它现在也对我有用。 谢谢你。
请注意:我无法正确卸载 TF 并且 Python 版本较低。 我完全卸载了 Python 并安装了 3.6.8 版而不是 3.6.4 版。
然后使用pip install tf-nightly-gpu安装 TF 并且现在正在工作

安装 Microsoft Build Tools 2015 可以帮助我解决这个问题。 它现在有效。

我和你有同样的问题@damcclane 。 你是怎么解决的?

Win10 x64、python 3.6、带有 cudnn 7.0.5 的 cuda9 以及带有 cudnn 7.3.1 的 Win10 x64、python 3.7、cuda10

两者都有相同的问题。 我的显卡是 Nvidia GeForce 1050 Ti

tensorflow 不支持 python 3.7 你可以通过 anaconda 用较低的 python 创建一个不同的环境

我有完全相同的问题。 根据GPU 支持指南,我安装了所有正确版本的 CUDA 和 cuDNN - CUDA 9.0 和 cuDNN 7.4.2.24。

最终对我有用的是在安装所有依赖项后输入以下命令:

SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\CUPTI\libx64;%PATH%
SET PATH=C:\tools\cuda\bin;%PATH%

cuDNN zip 中的cuda文件夹必须复制到C:\tools\

希望这是有帮助的。

我也看到同样的问题

大家好,我已经多次看到这个问题,可以评论一些事情。
首先似乎是 Jupyter 笔记本可以在某种程度上“保持”不良的 tensorflow 配置(即使在重置内核之后),Jupyter 的句号和启动至少为我解决了一次。

其他的都和CUDA有关。 我强烈建议您卸载所有版本的 CUDA,然后安装 V10,并确保也获得正确的 cudnn。

要安装 Cudnn,只需将 cuda 文件夹中的所有内容复制并粘贴到您的 cuda 安装中。

这些基本上是此错误的所有问题。 请记住,您可以通过键入nvcc --version并确保它返回 v10 来测试 cuda。 如果此命令不起作用,则表示您的设置无法正确看到 cuda。

如果你看到这个问题,你云尝试安装 tf-nightly。这种方式可以解决你的问题

###“导入错误:DLL 加载失败:找不到指定的过程”的解决方案。

导入 numpy 时会出现此错误,对吗?
python -c "import numpy"

所以根据anaconda的环境进入Anaconda文件夹,进入site-packages文件夹。 然后转到 numpy.libs 文件夹。 有*.dll文件吧?

现在将链接复制到 .libs 文件夹并在 anaconda 提示符下输入带有“PATH”的路径。
PATH=path\to\site-packages\numpy\.libs;%PATH%

现在再次检查以导入 numpy。
python -c "import numpy"

现在它工作正常吗?

安装:

(base) C:\Users\omarc>pip install tensorflow-gpu
Collecting tensorflow-gpu
  Downloading https://files.pythonhosted.org/packages/1f/31/62178ec117dc0318bde6e3b4f2a066a2ea637cc806ff53cb26e36974280a/tensorflow_gpu-1.13.0rc2-cp37-cp37m-win_amd64.whl (259.8MB)
    100% |████████████████████████████████| 259.8MB 17kB/s
Collecting keras-applications>=1.0.6 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/90/85/64c82949765cfb246bbdaf5aca2d55f400f792655927a017710a78445def/Keras_Applications-1.0.7-py2.py3-none-any.whl (51kB)
    100% |████████████████████████████████| 61kB 3.6MB/s
Requirement already satisfied: six>=1.10.0 in c:\programdata\anaconda3\lib\site-packages (from tensorflow-gpu) (1.12.0)
Collecting absl-py>=0.1.6 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/31/bc/ab68120d1d89ae23b694a55fe2aece2f91194313b71f9b05a80b32d3c24b/absl-py-0.7.0.tar.gz (96kB)
    100% |████████████████████████████████| 102kB 9.3MB/s
Collecting termcolor>=1.1.0 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/8a/48/a76be51647d0eb9f10e2a4511bf3ffb8cc1e6b14e9e4fab46173aa79f981/termcolor-1.1.0.tar.gz
Requirement already satisfied: wheel>=0.26 in c:\programdata\anaconda3\lib\site-packages (from tensorflow-gpu) (0.32.3)
Collecting astor>=0.6.0 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/35/6b/11530768cac581a12952a2aad00e1526b89d242d0b9f59534ef6e6a1752f/astor-0.7.1-py2.py3-none-any.whl
Collecting keras-preprocessing>=1.0.5 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/c0/bf/0315ef6a9fd3fc2346e85b0ff1f5f83ca17073f2c31ac719ab2e4da0d4a3/Keras_Preprocessing-1.0.9-py2.py3-none-any.whl (59kB)
    100% |████████████████████████████████| 61kB 7.7MB/s
Collecting gast>=0.2.0 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/4e/35/11749bf99b2d4e3cceb4d55ca22590b0d7c2c62b9de38ac4a4a7f4687421/gast-0.2.2.tar.gz
Requirement already satisfied: numpy>=1.13.3 in c:\programdata\anaconda3\lib\site-packages (from tensorflow-gpu) (1.15.4)
Collecting tensorboard<1.13.0,>=1.12.0 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/07/53/8d32ce9471c18f8d99028b7cef2e5b39ea8765bd7ef250ca05b490880971/tensorboard-1.12.2-py3-none-any.whl (3.0MB)
    100% |████████████████████████████████| 3.1MB 3.9MB/s
Collecting protobuf>=3.6.1 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/77/78/a7f1ce761e2c738e209857175cd4f90a8562d1bde32868a8cd5290d58926/protobuf-3.6.1-py2.py3-none-any.whl (390kB)
    100% |████████████████████████████████| 399kB 251kB/s
Collecting tensorflow-estimator<1.14.0rc0,>=1.13.0rc0 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/67/c1/3e8f58945f55769274e490d85df3bc4639ac258c60c6e3c6c7973d2a9e81/tensorflow_estimator-1.13.0rc0-py2.py3-none-any.whl (367kB)
    100% |████████████████████████████████| 368kB 350kB/s
Collecting grpcio>=1.8.6 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/17/80/b135a60dfb12e9e0d691e4e66020b6f90fd8864e17ed5c719881bdea7d41/grpcio-1.18.0-cp37-cp37m-win_amd64.whl (1.5MB)
    100% |████████████████████████████████| 1.5MB 2.3MB/s
Requirement already satisfied: h5py in c:\programdata\anaconda3\lib\site-packages (from keras-applications>=1.0.6->tensorflow-gpu) (2.8.0)
Requirement already satisfied: werkzeug>=0.11.10 in c:\programdata\anaconda3\lib\site-packages (from tensorboard<1.13.0,>=1.12.0->tensorflow-gpu) (0.14.1)
Collecting markdown>=2.6.8 (from tensorboard<1.13.0,>=1.12.0->tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/7a/6b/5600647404ba15545ec37d2f7f58844d690baf2f81f3a60b862e48f29287/Markdown-3.0.1-py2.py3-none-any.whl (89kB)
    100% |████████████████████████████████| 92kB 8.4MB/s
Requirement already satisfied: setuptools in c:\programdata\anaconda3\lib\site-packages (from protobuf>=3.6.1->tensorflow-gpu) (40.6.3)
Collecting mock>=2.0.0 (from tensorflow-estimator<1.14.0rc0,>=1.13.0rc0->tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/e6/35/f187bdf23be87092bd0f1200d43d23076cee4d0dec109f195173fd3ebc79/mock-2.0.0-py2.py3-none-any.whl (56kB)
    100% |████████████████████████████████| 61kB 6.2MB/s
Collecting pbr>=0.11 (from mock>=2.0.0->tensorflow-estimator<1.14.0rc0,>=1.13.0rc0->tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/8c/7f/fed53b379500fd889707d1f6e61c2a35e12f2de87396894aff89b017d1d6/pbr-5.1.2-py2.py3-none-any.whl (107kB)
    100% |████████████████████████████████| 112kB 10.5MB/s
Building wheels for collected packages: absl-py, termcolor, gast
  Running setup.py bdist_wheel for absl-py ... done
  Stored in directory: C:\Users\omarc\AppData\Local\pip\Cache\wheels\90\db\f8\2c3101f72ef1ad434e4662853174126ce30201a3e163dcbeca
  Running setup.py bdist_wheel for termcolor ... done
  Stored in directory: C:\Users\omarc\AppData\Local\pip\Cache\wheels\7c\06\54\bc84598ba1daf8f970247f550b175aaaee85f68b4b0c5ab2c6
  Running setup.py bdist_wheel for gast ... done
  Stored in directory: C:\Users\omarc\AppData\Local\pip\Cache\wheels\5c\2e\7e\a1d4d4fcebe6c381f378ce7743a3ced3699feb89bcfbdadadd
Successfully built absl-py termcolor gast
Installing collected packages: keras-applications, absl-py, termcolor, astor, keras-preprocessing, gast, grpcio, markdown, protobuf, tensorboard, pbr, mock, tensorflow-estimator, tensorflow-gpu
Successfully installed absl-py-0.7.0 astor-0.7.1 gast-0.2.2 grpcio-1.18.0 keras-applications-1.0.7 keras-preprocessing-1.0.9 markdown-3.0.1 mock-2.0.0 pbr-5.1.2 protobuf-3.6.1 tensorboard-1.12.2 tensorflow-estimator-1.13.0rc0 tensorflow-gpu-1.13.0rc2 termcolor-1.1.0

一些示例代码的输出:

C:\ProgramData\Anaconda3\python.exe "C:/Users/omarc/OneDrive - Massachusetts Institute of Technology/test_tensorflow/keras-master/examples/mnist_cnn.py"
Using TensorFlow backend.
Traceback (most recent call last):
  File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
  File "C:\ProgramData\Anaconda3\lib\imp.py", line 242, in load_module
    return load_dynamic(name, filename, file)
  File "C:\ProgramData\Anaconda3\lib\imp.py", line 342, in load_dynamic
    return _load(spec)
ImportError: DLL load failed: The specified module could not be found.

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "C:/Users/omarc/OneDrive - Massachusetts Institute of Technology/test_tensorflow/keras-master/examples/mnist_cnn.py", line 9, in <module>
    import keras
  File "C:\ProgramData\Anaconda3\lib\site-packages\keras\__init__.py", line 3, in <module>
    from . import utils
  File "C:\ProgramData\Anaconda3\lib\site-packages\keras\utils\__init__.py", line 6, in <module>
    from . import conv_utils
  File "C:\ProgramData\Anaconda3\lib\site-packages\keras\utils\conv_utils.py", line 9, in <module>
    from .. import backend as K
  File "C:\ProgramData\Anaconda3\lib\site-packages\keras\backend\__init__.py", line 89, in <module>
    from .tensorflow_backend import *
  File "C:\ProgramData\Anaconda3\lib\site-packages\keras\backend\tensorflow_backend.py", line 5, in <module>
    import tensorflow as tf
  File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\__init__.py", line 24, in <module>
    from tensorflow.python import pywrap_tensorflow  # pylint: disable=unused-import
  File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\__init__.py", line 49, in <module>
    from tensorflow.python import pywrap_tensorflow
  File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 74, in <module>
    raise ImportError(msg)
ImportError: Traceback (most recent call last):
  File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "C:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
  File "C:\ProgramData\Anaconda3\lib\imp.py", line 242, in load_module
    return load_dynamic(name, filename, file)
  File "C:\ProgramData\Anaconda3\lib\imp.py", line 342, in load_dynamic
    return _load(spec)
ImportError: DLL load failed: The specified module could not be found.


Failed to load the native TensorFlow runtime.

See https://www.tensorflow.org/install/errors

for some common reasons and solutions.  Include the entire stack trace
above this error message when asking for help.

Process finished with exit code 1

pip 安装 tensorflow-gpu==1.10.0

找不到满足 tensorflow-gpu==1.10.0 要求的版本(来自版本:1.13.0rc1、1.13.0rc2)
找不到 tensorflow-gpu==1.10.0 的匹配分布

pip 安装 tensorflow-gpu==1.10.0

找不到满足 tensorflow-gpu==1.10.0 要求的版本(来自版本:1.13.0rc1、1.13.0rc2)
找不到 tensorflow-gpu==1.10.0 的匹配分布

如果您无法获得较旧版本的 tensorflow-gpu,我在使用 CUDA 9.0 和 tensorflow-gpu 1.13.0 时遇到了相同的 dll 问题。 安装了 10.0,到目前为止似乎已经解决了这个问题。 基于此,可以肯定 1.13.0 需要 10 而不是 9。

CUDA 10.0
cudnn7.4.2
pip 安装 tf-nightly-gpu
蟒蛇 3.6.4
英伟达 geforce 1070

有用。

同样在这里
蟒蛇 3.6.7
geforce 1060

我在使用 numpy 时遇到了问题,因此请确保使用 numpy 1.16。 我不得不从 pip 重新安装它,因为 Anaconda 的版本已经过时了。

有同样的问题。 我使用非 GPU 版本的 TF,所以我猜它不是 cuda 或 cudnn 问题?
蟒蛇 3.6.0
TF 1.12.0
麻木 1.16.1
protobuf 3.6.1

不要使用 protobuf 3.6 这可能是问题所在。 我相信你可以使用的最新版本是 3.3 去那里 github 并找到更早的版本。

我正在运行使用 TF 1.12 的东西,它需要 protobuf 3.6.1。 那好吧....

问题是关于_version 兼容性_ 。 这是关于_tensorflow__python__cudnn__cuda_ 的兼容性。 版本兼容性可在此页面上找到。 以我的电脑为例。

系统信息:

操作系统平台和发行版:Windows 10(我认为这无关紧要。)
移动设备:无
TensorFlow 安装自:pip install
TensorFlow 版本:1.4.0重要
Python 版本:3.6重要
Bazel 版本:未安装(我不是从源代码编译的,所以我不需要它。)
CUDA/cuDNN版本:cuda_8.0.61_win10.exe、cudnn-8.0-windows10-x64-v6.0.zip重要
GPU 型号:Geforce GTX 系列(我认为不重要。)

解决方案:

基于上述版本兼容性表页面。 这条线

tensorflow_gpu-1.4.0 | 3.5-3.6 | MSVC 2015 更新 3 | Cmake v3.6.3 | 6 | 8
-- | -- | -- | -- | -- | ——

我用的是_python3.6_ .7(其实你的版本属于python3.6系列是可以的,因为我在其他软件的错误版本上试过python3.6.3。它有同样的错误叫做“ImportError: DLL load failed blablablabalbla...” .根据超链接中的表格,如果你使用python3.5,应该可以。)
我已经安装了_cuda8.0__cudnnv6_ (当你解压这个zip时,它包含_cudnn64_6.dll_文件。你需要把cudnn64_6.dll放在正确的路径中)(最后一列的数字8是CUDA版本的数量.第五列的数字6为cudnn版本数)
所以,我_pip install tensorflow-gpu==1.4.0_然后将 tensorflow 作为 tf 导入,它可以工作。

我发现这个问题是因为当我修复Python和CUDA以及cudnn版本时,安装较低版本的tensorflow提示另一个错误:cudnn64_*。 未找到 DLL 文件。

以下步骤描述了如何构建 cuDNN 依赖程序。 在以下部分:
您的 CUDA 目录路径被称为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
您的 cuDNN 目录路径称为
导航到您的包含 cuDNN 的目录。
解压缩 cuDNN 包。
cudnn-9.0-windows7-x64-v7.zip
或者
cudnn-9.0-windows10-x64-v7.zip
将以下文件复制到 CUDA Toolkit 目录中。
复制cuda\bin\cudnn64_7.dll 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin。
复制cuda\include\cudnn.h 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include。
复制cuda\lib\x64\cudnn.lib 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64。

cudnn 的文档给出了正确的 cudnn 设置方式,当我将此文件放入指定位置时,它可以工作
完整文档可以在https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html 中找到

这对我有用
视窗 10
python 3.6.X(从 3.7 降级)
Tensorflow 1.12(肯定不适用于 1.13.1,已降级)
CUDA/cudnn 9.0(确保按照@mxl1990的步骤复制这些文件)

感谢以上所有。 我很快就会再试一次

我和作者有同样的问题,我现在解决了。
窗口 10
蟒蛇 3.6.2
gpu rtx2080
我的问题是 CUDA 的版本和 cudnn 不适合彼此。
2019/3/3 今天 CUDA 的最新版本是 10.1 但没有相应版本的 cudnn。
所以我更改了 CUDA 10.0 并重新安装了 tensorflow,它现在可以工作了!

遇到了同样的问题。

如果您使用的是 Anaconda (Python 3.6),强烈建议使用conda而不是pip 。 它通常会处理一切: conda install tensorflow-gpu

(base) C:\Users>conda install tensorflow-gpu
Solving environment: done

## Package Plan ##

  environment location: D:\Software\Anaconda3

  added / updated specs:
    - tensorflow-gpu


The following packages will be downloaded:

    package                    |            build
    ---------------------------|-----------------
    cudnn-7.3.1                |        cuda9.0_0       170.9 MB
    grpcio-1.12.1              |   py36h1a1b453_0         1.4 MB
    tensorflow-base-1.12.0     |gpu_py36h6e53903_0       180.8 MB
    conda-4.6.7                |           py36_0         1.7 MB
    tensorflow-1.12.0          |gpu_py36ha5f9131_0           4 KB
    keras-preprocessing-1.0.5  |           py36_0          52 KB
    gast-0.2.2                 |           py36_0         138 KB
    keras-applications-1.0.6   |           py36_0          49 KB
    tensorboard-1.12.0         |   py36he025d50_0         3.1 MB
    termcolor-1.1.0            |           py36_1           8 KB
    absl-py-0.7.0              |           py36_0         157 KB
    protobuf-3.6.0             |   py36he025d50_0         517 KB
    cudatoolkit-9.0            |                1       339.8 MB
    tensorflow-gpu-1.12.0      |       h0d30ee6_0           3 KB
    markdown-3.0.1             |           py36_0         125 KB
    _tflow_select-2.1.0        |              gpu           3 KB
    libprotobuf-3.6.0          |       h1a1b453_0         2.0 MB
    astor-0.7.1                |           py36_0          44 KB
    ------------------------------------------------------------
                                           Total:       700.7 MB

如果您已经弄乱了版本,请尝试使用conda removepip uninstall删除包,包括tensorflow-gputensorflow 。 或者删除 Anaconda 并重新安装它。

我和作者有同样的问题,我现在解决了。
窗口 10
蟒蛇 3.6.2
gpu rtx2080
我的问题是 CUDA 的版本和 cudnn 不适合彼此。
2019/3/3 今天 CUDA 的最新版本是 10.1 但没有相应版本的 cudnn。
所以我更改了 CUDA 10.0 并重新安装了 tensorflow,它现在可以工作了!

@parkerdu救世主! 我的系统在 Windows 10 上运行 Python 3.7.1,我的 GPU 是 RTX 2080 Ti。 我所做的只是将 CUDA 从 10.1 降级到 10.0,现在它可以工作了。 但我对你的意思有点困惑

CUDA 的最新版本是 10.1,但没有相应版本的 cudnn。

由于根据https://developer.nvidia.com/rdp/cudnn-download于 2019 年 2 月 25 日发布了 cuDNN 版本。 在我的情况下,它不适用于通过“pip install tensorflow-gpu”安装的最新版本的TensorFlow,但它就在那里。 我想知道为什么它不是

对应版本的cudnn。

再次感谢您的解决方案。

我和作者有同样的问题,我现在解决了。
窗口 10
蟒蛇 3.6.2
gpu rtx2080
我的问题是 CUDA 的版本和 cudnn 不适合彼此。
2019/3/3 今天 CUDA 的最新版本是 10.1 但没有相应版本的 cudnn。
所以我更改了 CUDA 10.0 并重新安装了 tensorflow,它现在可以工作了!

@parkerdu救世主! 我的系统在 Windows 10 上运行 Python 3.7.1,我的 GPU 是 RTX 2080 Ti。 我所做的只是将 CUDA 从 10.1 降级到 10.0,现在它可以工作了。 但我对你的意思有点困惑

CUDA 的最新版本是 10.1,但没有相应版本的 cudnn。

由于根据https://developer.nvidia.com/rdp/cudnn-download于 2019 年 2 月 25 日发布了 cuDNN 版本。 在我的情况下,它不适用于通过“pip install tensorflow-gpu”安装的最新版本的TensorFlow,但它就在那里。 我想知道为什么它不是

对应版本的cudnn。

再次感谢您的解决方案。

你是对的! 我还没有看到最新版本的cudnn。 谢谢你的观点。

经过几个小时的安装不同版本,我终于设法让它工作,这是我的最终设置:

  • 蟒蛇 3.6.8
  • TensorFlow 1.13
  • CUDA 10
  • cuDNN v7.5.0(2019 年 2 月 21 日),用于 CUDA 10.0

我尝试过 CUDA 10.1 但没有用,切换到 10.0 终于成功了。

蟒蛇 3.7.2
Tensorflow-GPU 2.0.0a0
张量板 1.13.0
张量流估计器 1.13.0
CUDA 10.1
用于 CUDA10.0 的 cuDNN v7.5.0
win10 x64
请帮忙

@ steven12138您可以按照上
AFAIK,不支持 python 3.7.X python。

这就是在 Window 10 和 GPU NVIDIA GeForce RTX 2080 Ti 上对我有用的方法:
Python 3.5(3.6 不起作用)
Tensorflow-gpu 1.13(或 tf-nightly-gpu)
CUDA 10
用于 CUDA 10.0 的 cuDNN
问题是因为使用 python 3.6。 使用 Python 3.5 解决了它。

CUDA 9.0
cudnn 7.0.5
视窗 10
tf 1.12.0
失败了……不知道


解决了,
一个问题是PATH不正确,我更正了但问题仍然存在。
然后我将 tf 降级到 1.10.0,它可以工作。

遇到了同样的问题。

如果您使用的是 Anaconda (Python 3.6),强烈建议使用conda而不是pip 。 它通常会处理一切: conda install tensorflow-gpu

(base) C:\Users>conda install tensorflow-gpu
Solving environment: done

## Package Plan ##

  environment location: D:\Software\Anaconda3

  added / updated specs:
    - tensorflow-gpu


The following packages will be downloaded:

    package                    |            build
    ---------------------------|-----------------
    cudnn-7.3.1                |        cuda9.0_0       170.9 MB
    grpcio-1.12.1              |   py36h1a1b453_0         1.4 MB
    tensorflow-base-1.12.0     |gpu_py36h6e53903_0       180.8 MB
    conda-4.6.7                |           py36_0         1.7 MB
    tensorflow-1.12.0          |gpu_py36ha5f9131_0           4 KB
    keras-preprocessing-1.0.5  |           py36_0          52 KB
    gast-0.2.2                 |           py36_0         138 KB
    keras-applications-1.0.6   |           py36_0          49 KB
    tensorboard-1.12.0         |   py36he025d50_0         3.1 MB
    termcolor-1.1.0            |           py36_1           8 KB
    absl-py-0.7.0              |           py36_0         157 KB
    protobuf-3.6.0             |   py36he025d50_0         517 KB
    cudatoolkit-9.0            |                1       339.8 MB
    tensorflow-gpu-1.12.0      |       h0d30ee6_0           3 KB
    markdown-3.0.1             |           py36_0         125 KB
    _tflow_select-2.1.0        |              gpu           3 KB
    libprotobuf-3.6.0          |       h1a1b453_0         2.0 MB
    astor-0.7.1                |           py36_0          44 KB
    ------------------------------------------------------------
                                           Total:       700.7 MB

如果您已经弄乱了版本,请尝试使用conda removepip uninstall删除包,包括tensorflow-gputensorflow 。 或者删除 Anaconda 并重新安装它。

这家伙救了一天,谢谢

我在 python 3.6.8 中使用 virtualenv,然后运行
pip install tensorflow-gpu

CUDA 9.0
cuda 9.0 的 cudnn 7.4.1
蟒蛇 3.6.8
张量流 1.12.0
Visual C++ 2015 重新分发

此配置有效。
注意,tensorflow 1.13 不适用于此配置。

==========================编辑================
正如我再次尝试的那样。
如果你想使用tensorflow 1.13.1,可以参考下面的配置:
CUDA 10.0
cudnn 7.5.0 用于 cuda 10.0
蟒蛇 3.6.8
张量流 1.13.1
Visual C++ 重新分发 2015 或 2017

而且我发现,官方网站说tensorflow现在只支持cuda 9,但实际上它已经更新到了CUDA 10,你可以在github的发行说明中找到。

如此简单,CUDA 9.0 (cudnn 7.4.1) == > tensorflow 1.12.0
CUDA 10.0 (cidnn 7.5.0)==> tensorflow 1.13.1

蟒蛇 3.7.2
Tensorflow-GPU 2.0.0a0
张量板 1.13.0
张量流估计器 1.13.0
CUDA 10.1
用于 CUDA10.0 的 cuDNN v7.5.0
win10 x64
没用

我在终端没有问题,但是我在pycharm上有这个问题,希望能给大家参考。

Win10+python 3.6+cuda 10.0+cudnn 7.5+tensorflow 1.13.1

我有同样的问题。 我通过卸载 tensorflow-gpu 并通过 conda 重新安装来解决它。

conda install tensorflow-gpu

我有问题

类型错误:无法将 proto 文件构建到描述符池中!
文件“object_detection/protos/post_processing.proto”的原型描述符无效:
object_detection/protos/post_processing.proto:导入“object_detection/protos/calibration.proto”尚未加载。
object_detection.protos.PostProcessing.calibration_config:“object_detection.protos.CalibrationConfig”似乎是在“protos/calibration.proto”中定义的,它不是由“object_detection/protos/post_processing.proto”导入的。 要在此处使用它,请添加必要的导入。

我刚刚将 TensorFlow 降级到 1.10.0 并且它起作用了

pip install tensorflow-gpu==1.10.0

当我运行pip install tensorflow-gpu命令时,安装了 1.13.0 并且出现错误Win10: ImportError: DLL load failed: The specified module could not be found 。 所以我尝试按照@57ar7up 的建议降级到1.10.0 。 这不起作用,因为 pip 找不到所需的.whl文件并且连接一直超时。

所以我遵循了@WuYunfan的方法并且1.12.0起作用了。

我最终通过使用 tensorflow 1.12.0 和 cudnn 7.4.1.5 安装 cuda 9.0 而不是 9.2 或 10.0 来解决问题

最后我的设置是:

  • 英伟达 GTX 1070
  • 带有 4 个补丁的 CUDA 9.0(安装了 GeForce 驱动程序 385.54)
  • CuDNN v7.5.0.56(适用于 CUDA 9.0)
  • TF GPU 1.12.0

我猜1.13.0将用于 CUDA 10.0

Python 3.6.4 |Anaconda 自定义(64 位)| (默认,2018 年 1 月 16 日,10:22:32)win32 上的 [MSC v.1900 64 位 (AMD64)]
输入“帮助”、“版权”、“信用”或“许可”以获取更多信息。

导入张量流
回溯(最近一次调用最后一次):
文件“D:\MLandBigData\Anaconda3.5\lib\site-packagestensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“D:\MLandBigData\Anaconda3.5\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“D:\MLandBigData\Anaconda3.5\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“D:\MLandBigData\Anaconda3.5\lib\imp.py”,第 243 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“D:\MLandBigData\Anaconda3.5\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
ImportError: DLL load failed: 找不到指定的模块。

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件 ”",第 1 行,在
文件“D:\MLandBigData\Anaconda3.5\lib\site-packagestensorflow__init__.py”,第24行,在
from tensorflow.python import pywrap_tensorflow # pylint: disable=unused-import
文件“D:\MLandBigData\Anaconda3.5\lib\site-packagestensorflow\python__init__.py”,第 49 行,在
从 tensorflow.python 导入 pywrap_tensorflow
文件“D:\MLandBigData\Anaconda3.5\lib\site-packagestensorflow\python\pywrap_tensorflow.py”,第 74 行,在
引发导入错误(味精)
导入错误:回溯(最近一次调用最后一次):
文件“D:\MLandBigData\Anaconda3.5\lib\site-packagestensorflow\python\pywrap_tensorflow.py”,第58行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“D:\MLandBigData\Anaconda3.5\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“D:\MLandBigData\Anaconda3.5\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“D:\MLandBigData\Anaconda3.5\lib\imp.py”,第 243 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“D:\MLandBigData\Anaconda3.5\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
ImportError: DLL load failed: 找不到指定的模块。

无法加载本机 TensorFlow 运行时。

请参阅https://www.tensorflow.org/install/errors

出于一些常见的原因和解决方案。 包括整个堆栈跟踪
寻求帮助时出现在此错误消息上方。

蟒蛇 3.7.1
Tensorflow-GPU 1.13.1

CUDA 8.0
用于 CUDA 8.0 的 cuDNN v7.1.4
win10 x64

请帮忙

我使用以下环境从源代码构建了 tensorflow 并工作:
蟒蛇 3.7.1
Tensorflow-GPU 1.13.1

CUDA 9.1
用于 CUDA 9.1 的 cuDNN v7.0.5
win10 x64

我的错误信息被复制了几行。 我尝试了一些似乎对其他人有用的解决方案,但没有让它们对我有用。 具体来说:
始终使用 python 3.6.8 & Windows 10 & Visual Studios 2017 & Quadro M1000M GPU
使用 pip 安装 tensorflow-gpu 1.13.1
阅读后我发现 CUDA 10.1(我最初尝试过)不能用于任何东西,所以我切换到 CUDA 10.0。 使用 CUDA 10.0 我尝试了 cudNN 7.4.2 & 7.5.0。 两者都不起作用,我仍然安装了 CUDA 10.1(tensorflow 是否会自动尝试两者,或者我是否需要将其设置为以某种方式使用 10.0?)。

我之前已经卸载并重新安装了 tensorflow-gpu 几次(也是普通的 tensorflow - 它没有检测到我的 GPU),尽管我的测试总是安装 tensorflow-gpu。 这也是我第一次使用 CUDA 或 cudNN,所以我不能 100% 确定我“安装”了 cudNN 正确(从提取的 cudNN 文件夹 bin、lib 和包含将相关文件复制到 Cuda bin、lib 和 inc文件夹)。 我还安装了 tf-nightly-gpu,因为它适用于一种解决方案。

错误信息:

Python 3.6.8rc1 (v3.6.8rc1:cc3e73212a, 2018 年 12 月 12 日,00:15:46) [MSC v.1900 64 位 (AMD64)] 在 win32 上
输入“帮助”、“版权”、“信用”或“许可”以获取更多信息。

将张量流导入为 tf
回溯(最近一次调用最后一次):
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\site-packagestensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 243 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件 ”",第 1 行,在
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\site-packagestensorflow__init__.py”,第 28 行,在
from tensorflow.python import pywrap_tensorflow # pylint: disable=unused-import
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\site-packagestensorflow\python__init__.py”,第 49 行,在
从 tensorflow.python 导入 pywrap_tensorflow
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\site-packagestensorflow\python\pywrap_tensorflow.py”,第 74 行,在
引发导入错误(味精)
导入错误:回溯(最近一次调用最后一次):
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\site-packagestensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 243 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Users\601969\AppData\Local\Programs\Python\Python36\lib\imp.py”,第 343 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

同样的问题。 Win10 x64、python 3.6、tensorflow-gpu 1.12.0、CUDA 10.1,安装了 CUDNN 10.1。

我在 python 3.6.8 中使用 virtualenv,然后运行
pip install tensorflow-gpu

CUDA 9.0
cuda 9.0 的 cudnn 7.4.1
蟒蛇 3.6.8
张量流 1.12.0
Visual C++ 2015 重新分发

此配置有效。
注意,tensorflow 1.13 不适用于此配置。

==========================编辑================
正如我再次尝试的那样。
如果你想使用tensorflow 1.13.1,可以参考下面的配置:
CUDA 10.0
cudnn 7.5.0 用于 cuda 10.0
蟒蛇 3.6.8
张量流 1.13.1
Visual C++ 重新分发 2015 或 2017

而且我发现,官方网站说tensorflow现在只支持cuda 9,但实际上它已经更新到了CUDA 10,你可以在github的发行说明中找到。

如此简单,CUDA 9.0 (cudnn 7.4.1) == > tensorflow 1.12.0
CUDA 10.0 (cidnn 7.5.0)==> tensorflow 1.13.1

谢谢你。 解决了我的问题
我的设置
Win10 + python 3.6.6 + GeForce GTX 1050 Ti(军团笔记本)
Visual Studio 社区 2017 + CUDA 10.0 (cudnn 7.5.0) + tensorflow 1.13.1

总的来说,让基本的验证测试适用于 tensorflow-gpu (1.13.1) 是一个很大的考验——不知道完全无用的 DLL 加载错误消息究竟来自哪里......

记下我的参数(截至 2019 年 3 月 18 日),以防它对任何勇敢的灵魂有所帮助!
基础框架:Windows 10 Pro/64、Anaconda 3-5.1.0 (python 3.6.4)、
Visual Studio 2017 [GPU=RTX2060]
不成功的目标设置引发 DLL 错误:
CUDA 10.1 + 对应的 cuDNN (7.5.0.56)
什么似乎有效(在使用 anaconda 中的 numpy 版本解决小故障后)
CUDA 10.0 + cuDNN 7.4.1.5

我尝试过 CUDA 10.1,但所有版本组合都不起作用,然后我按照某人的建议切换到 CUDA 10.0,它终于起作用了。 所以我猜问题出在 CUDA 10.1 上。

我成功的版本组合是:

CUDA 10.0(不是 CUDA 10.1)
cuDNN v7.5.0(2019 年 2 月 21 日),用于 CUDA 10.0(不是 CUDA 10.1)
Annaconda Anaconda 2018.12(带有 Python 3.7 版本,64 位图形安装程序)

然后我测试了 2 个组合:Python 3.7.1 + Tensorflow 1.13.1 和 Python 3.68 + Tensorflow 2.0.0-alpha0。 他们都工作。

顺便说一句,我用过
conda 安装 tensorflow-gpu
代替
pip 安装 tensorflow-gpu
按照某人的建议安装 tensorflow。

祝你好运。

我使用(conda install tensorflow-gpu)解决了同样的问题。
CUDA 10.0
cuda 10.0 的 cudnn 7.41.5
蟒蛇 7.1

我刚刚将 TensorFlow 降级到 1.10.0 并且它起作用了

pip install tensorflow-gpu==1.10.0

是的,它有效。 标记!

我和作者有同样的问题,我现在解决了。
窗口 10
蟒蛇 3.6.2
gpu rtx2080
我的问题是 CUDA 的版本和 cudnn 不适合彼此。
2019/3/3 今天 CUDA 的最新版本是 10.1 但没有相应版本的 cudnn。
所以我更改了 CUDA 10.0 并重新安装了 tensorflow,它现在可以工作了!

嗨,我有与 python 3.7 相同的设置。
现在有 CUDA 10.1 的 cudnn 版本,但是如果我从 pip 安装它,tensorflow-gpu 仍然不起作用。
你自己重建的吗?

编辑。:发现问题。 即使有来自 nvidia 的 cudNN 版本来支持 CUDA 10.1,也没有支持 CUDA 10.1 的 python 库。 该库作为 tensorflow-gpu 的依赖项安装,但仅支持 CUDA 10.0。

我刚刚安装了最新的 conda 3.7
在 anaconda promt 中运行“conda install tensorflow-gpu”
无需安装 cuda、cudann 和 PATH 变量
一切正常

我可以确认 CUDA 10.1 不起作用。 但是,tensorflow 从未声称它这样做过,它的指南要求下载 CUDA 10.0

对于那些找不到这个版本的人,它可以在 NVIDIA 档案中找到,这里是一个直接链接: https :

我的设置:

蟒蛇 3.6.5
CUDA 9.0
cuDNN 7.41.5
张量流 1.12.0
张量流-GPU 1.12.0

做得好

大家好,

面临同样的问题!

任何人都可以为 _AMD Radeon HD7500M_ 图形加速器提供以下“工作”环境信息:

  • Win10 Pro,FU 1803
  • I3 第三代,4GB
  • CUDA 版本 10.0.130
  • 用于 10.0_0 的 CUDNN 7.3.1 版
  • Anaconda3 (2018.12)
  • py 3.7.1
  • Tensorflow-gpu 1.13.1 - 使用“Anaconda prompt”安装“Conda”

谢谢!

我在尝试运行张量板时遇到了相同的 DLL 加载失败错误,运行其他没有问题:

赢10
张量流-GPU 1.11.0
张量板 1.11.0
cudnn 7.1.4
cuda9.0_0
蟒蛇 3.6.3

我的设置:

Win10x64
张量流-GPU 1.13.1
CUDA 10.1
用于 cuda10.1 的 CUDNN 7.5
蟒蛇 3.7.1

我得到了同样的错误!

我在尝试运行张量板时遇到了相同的 DLL 加载失败错误,运行其他没有问题:

赢10
张量流-GPU 1.11.0
张量板 1.11.0
cudnn 7.1.4
cuda9.0_0
蟒蛇 3.6.3

由于在导入 cygrpc 时出现 DLL 加载导入错误,我通过升级 pip 中的 cygrpc 修复了该错误

我的设置:

Win10x64
张量流-GPU 1.13.1
CUDA 10.1
用于 cuda10.1 的 CUDNN 7.5
蟒蛇 3.7.1

我得到了同样的错误!

我改变了环境:
·tensorflow-GPU 1.12.0
·CUDA 9.0
·Cudnn 7.5 for CUDA9.0
·python3.6.8

最后,它起作用了!

tf-gpu 是否仅适用于“NVIDIA”加速器!

'RADEON' - 需要使用不同的库/构建!

https://github.com/fo40225/tensorflow-windows-wheel

花了我很长时间,但最终在我的 PC 上解决了这个问题。 是没有安装正确的 cuDNN 和 VS redist 的混合体。 在上面的链接中找到适合您的 Python 版本、CPU 和显卡的正确版本。

谢谢DTopping256!!!

我有同样的问题。 我通过卸载 tensorflow-gpu 并通过 conda 重新安装来解决它。

conda install tensorflow-gpu

我正在创建一个新的 venv 并按照此处的说明再次下载 tensorflow-gpu (https://www.tensorflow.org/install/pip)。 但是,它安装了最新的稳定版本 (1.13),这导致了问题。 我使用 conda 安装了 tf-gpu,他们将软件包与 tf-gpu 版本 1.12.0-h0d30ee6_0 一起安装。 我想 1.12v 至少在我的笔记本电脑上不会引起任何问题。

供参考:
Win10x64
CUDA V10.1.105
蟒蛇 3.6.5
英伟达 GPU 1070 max-q

同样的问题。
win10 x64
CUDA 9.0.176
卡顿 7.0
蟒蛇 3.6.0
张量流-GPU 1.13.0


@2019/04/16
我已经通过设置tensorflow-gpu-1.12解决了这个问题,也许最新版本的tensorflow-gpu-1.13需要cuda-10.0。

Tehre是我的总结,但语言是中文。^_^

我有同样的问题。 我通过卸载 tensorflow-gpu 并通过 conda 重新安装来解决它。

conda install tensorflow-gpu

这也适用于我,我已经用pip安装了 tensorflow,然后我使用pip uninstall tensorflow-gpu卸载它,然后再次使用conda install tensorflow-gpu

Microsoft Windows [版本 6.3.9600]
(c) 2013 年微软公司。 版权所有。

C:\用户\戴尔>蟒蛇
Python 3.7.1(默认,2018 年 12 月 10 日,22:54:23)[MSC v.1915 64 位 (AMD64)] :: Ana
win32 上的 conda, Inc.
输入“帮助”、“版权”、“信用”或“许可”以获取更多信息。

导入张量流
文件 ””,第 1 行
导入张量流
^
语法错误:无效语法
导入张量流
回溯(最近一次调用最后一次):
文件“C:\Users\Dell\Anaconda3\lib\site-packagestensorflow\python\pywrap_tenso
rflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\Dell\Anaconda3\lib\site-packagestensorflow\python\pywrap_tenso
rflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\Dell\Anaconda3\lib\site-packagestensorflow\python\pywrap_tenso
rflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, 路径名, 描述
离子)
文件“C:\Users\Dell\Anaconda3\lib\imp.py”,第 242 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Users\Dell\Anaconda3\lib\imp.py”,第 342 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件 ”",第 1 行,在
文件“C:\Users\Dell\Anaconda3\lib\site-packagestensorflow__init__.py”,行
24、在
from tensorflow.python import pywrap_tensorflow # pylint: disable=unused-im
港口
文件“C:\Users\Dell\Anaconda3\lib\site-packagestensorflow\python__init__.py”
,第 49 行,在
从 tensorflow.python 导入 pywrap_tensorflow
文件“C:\Users\Dell\Anaconda3\lib\site-packagestensorflow\python\pywrap_tenso
rflow.py”,第 74 行,在
引发导入错误(味精)
导入错误:回溯(最近一次调用最后一次):
文件“C:\Users\Dell\Anaconda3\lib\site-packagestensorflow\python\pywrap_tenso
rflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\Dell\Anaconda3\lib\site-packagestensorflow\python\pywrap_tenso
rflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\Dell\Anaconda3\lib\site-packagestensorflow\python\pywrap_tenso
rflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, 路径名, 描述
离子)
文件“C:\Users\Dell\Anaconda3\lib\imp.py”,第 242 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Users\Dell\Anaconda3\lib\imp.py”,第 342 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

无法加载本机 TensorFlow 运行时。

请参阅https://www.tensorflow.org/install/errors

出于一些常见的原因和解决方案。 包括整个堆栈跟踪
寻求帮助时出现在此错误消息上方。

>

目前的安装过程真是一团糟!

感谢这里的贡献者,我终于让它工作了(我想!)

我遵循了 tensorflow 页面中的所有常规 PIP 安装过程,并最终在我的新 Windows 10 桌面(Nvid GTX 1660)和具有新 Python 3.6 环境的 Ananconda 上完成了这个组合。

十位:1.13.1
CUDA:10.1
cuDNN:7.5

还更新了我的系统路径添加这些库需要(虽然有些CUDA路径已经出现已经在那里,大概是作为部分加入了其立即安装,但更多的路径,需要作为描述在这里)。

在 jupyter 中尝试:
将张量流导入为 tf

并得到每个人都看到的错误:
导入错误:DLL 加载失败:找不到指定的模块。

我对解决方案的第一次尝试奏效了!

按照上面@oshadaamila的建议我卸载了 PiP tensorflow 并使用 Conda 重新安装。

Conda 带来了以下版本:
十位:1.13.1
CUDA:10.0.130
cuDNN:7.3

导入现在可以正常工作并且一个小代码测试运行良好:

a= tf.constant(4)
b=tf.constant(5)
sess=tf.Session()
c= a+b
打印('总和 =',sess.run(c))

给出9的答案。

我没有在系统 PATH 环境中更改任何内容——所有新的 CUDA 和 cuDNN 现在都安装在 Anaconda3/pkgs 文件夹中,因此它们似乎在 python 环境中被优先引用。

如果尝试在 Ananconda 环境之外工作,我可能会出错,但现在我什至尝试这样做。

对于 TensorFlow 1.31.1

张量流/configure.py

_DEFAULT_CUDA_VERSION = '10.0'   // see here

_DEFAULT_CUDA_PATH_WIN = ('C:/Program Files/NVIDIA GPU Computing '
                          'Toolkit/CUDA/v%s' % _DEFAULT_CUDA_VERSION)

# ...

def set_tf_cuda_version(environ_cp):
  """Set CUDA_TOOLKIT_PATH and TF_CUDA_VERSION."""
  ask_cuda_version = (
      'Please specify the CUDA SDK version you want to use. '
      '[Leave empty to default to CUDA %s]: ') % _DEFAULT_CUDA_VERSION

  # ...

  for _ in range(_DEFAULT_PROMPT_ASK_ATTEMPTS):
    # Configure the Cuda SDK version to use.
    tf_cuda_version = get_from_env_or_user_or_default(
        environ_cp, 'TF_CUDA_VERSION', ask_cuda_version, _DEFAULT_CUDA_VERSION)

  # ...

  environ_cp['TF_CUDA_VERSION'] = tf_cuda_version

所以当前的CUDA版本是10.0,但是NVIDIA给的是10.1 ,安装CUDA10.0和cudnn10.0然后重启cmd,就可以了

对于旧版本https://developer.nvidia.com/cuda-toolkit-archive

详情: https :

如果您必须将 CUDA 10.0 用于 RTX,请尝试 pip install tensorflow-gpu==1.13.1-rc2。 我有 CUDA 10.0、cuDNN 7.5.0、python 3.6,它可以工作!

我通过安装 cuda 10.1(我有 tensorflow 2.0alpha btw)和 cudnn 7.5.0.56 解决了这个问题
重新启动计算机,否则导入 tensorflow-gpu 将不起作用

观察到 TF 1.13.1 和 CUDA 10.1 的类似问题 - 通过删除 CUDA 10.1 并安装 CUDA 10.0 来修复。

我遇到了同样的问题,降级到 CUDA 10.0 解决了它(tensorflow 1.13.1,GTX 1080ti)

通过降级到 CUDA 10.0 和 CUDA 10.0 的 cuDNN 7.5 解决

通过降级到 CUDA 10.0、cuDNN v7.5.0.56、Python 3.6.7 和 tensorflow 1.13.1 解决。

如果您尝试使用这种组合,请不要忘记清理或卸载任何以前版本的 tensorflow 和 CUDA。 如果您有 Python 3.7,并尝试安装 tensorflow 1.13.1 或任何更低版本,那么它将无法工作,因为目前没有任何版本的 tensorflow 支持 Python 3.7。 删除 Python 3.7,重新开始。

嗨, @utkalsinha你是从源代码安装 tensorflow 的吗? 我在CUDA 10.0、cuDNN v7.5.0.56、Python 3.6.6和tensorflow 1.13.1下编译tensorflow源码,也失败了。 我们之间唯一的区别是我用的是 Python3.6.6 而你的是 Python3.6.7

不要忘记为 CUDA 和 cuDNN 添加环境变量
SET PATH=C:\Program Files\NVIDIA GPU 计算工具包\CUDA\v10.0\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include;%PATH%
设置路径=C:\toolscuda\bin;%PATH%

遇到了同样的问题..一周后应用了所有钩子和骗子......刚刚停用了 Windows Defender 并且它起作用了

嗨, @utkalsinha你是从源代码安装 tensorflow 的吗? 我在CUDA 10.0、cuDNN v7.5.0.56、Python 3.6.6和tensorflow 1.13.1下编译tensorflow源码,也失败了。 我们之间唯一的区别是我用的是 Python3.6.6 而你的是 Python3.6.7

@asa008 :不。 我已经通过 pip 直接将 tensorflow-gpu 安装为pip install tensorflow-gpu==1.13.1

在花了一些时间之后,对于tensorflow==2.0.0-alpha0 ,在 Windows 10 上尝试安装:

  1. 蟒蛇 3.6
  2. CUDA v10.0
  3. cudnn 7.4.1.5

在花了一些时间之后,对于tensorflow==2.0.0-alpha0 ,在 Windows 10 上尝试安装:

  1. 蟒蛇 3.6
  2. CUDA v10.0
  3. cudnn 7.4.1.5

使用具有相同 CUDA 和 cuDNN 的 Python 3.7.3,但得到相同的 DLL 错误。

根据我的经验(经过多次反复试验),最好在 Windows 上使用基于 GUI 的编辑器设置 CUDA 路径。

我的设置如下:

  1. CUDA 10.0
  2. 最新的 cudnn 可用(按照 Nvidia 网站上的说明进行操作)
  3. 使用 Windows 中的环境变量编辑器设置路径。
    --> 根据我的经验,在命令行上使用“SET PATH...”仍然会忘记新路径。
    --> 在安装 Tensorflow 之前,我还重新启动了 PC。
  4. Tensorflow v1.13
  5. 使用 Python 3.6 的 conda 环境

我还没有在 tensorflow alpha 上尝试过这个,希望它的工作原理是一样的。

我在我的 Windows 10 机器上测试了几种组合,结果如下:
失败
张量流-gpu == r1.13
蟒蛇 3.7.3
CUDA v10.1
库德恩 7.5.0.56

失败
张量流-GPU==2.0.0-alpha0
蟒蛇 3.7.3
CUDA v10.1
库德恩 7.5.0.56

失败
张量流-GPU==2.0.0-alpha0
蟒蛇 3.6.8
CUDA v10.1
库德恩 7.5.0.56

成功
张量流-GPU==2.0.0-alpha0
蟒蛇 3.6.8
CUDA v10.0
cudnn 7.4.1.5

如果你有这个问题你可以把lib降级到tensorflow-gpu==1.10.0,现在上级版本有问题,这个问题在windows中很常见。
PD。 之后,您需要 CUDA 才能正确使用此库。

在 Linux 中,tensorflow 更高版本是否更稳定?

请帮忙

警告:tensorflow :From C:\Users\HP\Anaconda3\envstensorflow\lib\site-packagestensorflow\python\training\saver.py:1266: checkpoint_exists (from tensorflow.python.training.checkpoint_management) 已弃用,将在未来的版本。

打开 ...\Python37\Lib\site-packagestensorflow\python\_pywrap_tensorflow_internal.pyd 使用Dependency Walker ,它会显示 DLL 依赖树,您将找到导致问题的 DLL。 TensorFlow 始终链接到特定的 CUDA 版本。

同样这里,Win10 Pro x64,Python 3.6.8,Tensorflow-gpu 1.13.1,cuDNN 7.5.1.10,CUDA 10.1,驱动程序 430.64
image

我的安装:

Windows 10.0.17763.134 x64
NVIDIA 驱动程序 416.92
CUDA 10.0.130
CUDA 10.0 的 CUDNN 7.4.1.5
蟒蛇 3.6.7
GeForce GTX 1080 Ti

这个错误的原因似乎是人们在没有 Tcl/Tk 支持的情况下安装 Python,没有意识到 SWIG 和模块导入需要 Tcl。 我刚刚对此进行了测试,在我的情况下,修改 Python 安装以添加 Tcl/Tk 是不够的——我必须删除所有内容并从头开始安装,现在我不再收到错误消息。

TL;DR -- 只需在选择 Tcl/Tk 选项的情况下完全删除并重新安装 Python。

基于@levicki cuda 和 cudnn 版本,我还根据 tf 官方网站设置了路径,
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin;%PATH% SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64 ;%PATH% SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include;%PATH% SET PATH=C:\toolscuda\bin;%PATH%(在C中找不到工具,忽略这个)
我成功安装了 tensorflow2 alpha,顺便说一下我的配置是:

Windows 10.0.17763.134 x64
NVIDIA 驱动程序 416.92
CUDA 10.0.130
CUDA 10.0 的 CUDNN 7.4.1.5
蟒蛇 3.5.2
GeForce Titan xp x4

如果还是不行,我也重新安装了枕头,然后重新安装了 tf2,希望它会有所帮助。

同样这里,Win10 Pro x64,Python 3.6.8,Tensorflow-gpu 1.13.1,cuDNN 7.5.1.10,CUDA 10.1,驱动程序 430.64
image

也许你应该使用 CUDA 10.0,而不是 10.1。我刚刚在我的电脑上解决了这个问题,你可以使用Dependency Walker验证它,如下所示:
image

最初CUDA 9工作,我更新到tensorflow-gpu 1.13.1并报告未找到 DLL。
然后尝试将tensorflow-gpu降级到多个版本,但仍然报告未找到DLL。
然后我更新了CUDA10.1 update1cudnn 7.5.1.10 (均为最新版本),它报告未找到 DLL。
然后尝试降级tensorflow-gpu仍然报告未找到 DLL。
然后使用dependency Walker ,但是这个应用程序在打开时卡住了(我使用的是 win10)
然后我将dependency Walker_pywrap_tensorflow_internal.pyd复制到 win7 设备,确认它需要依赖于CUBLAXX_100.DLL
然后我安装了 CUDA10.0,它工作正常。

每次安装 tensorflow-gpu 时,我都会说这不是一个好的体验。
需要明确的信息和建议,而不是简单的DLL missing

+1。 与 qinst64 相同的问题。

谁能给我一份cuda 10.0的副本? cuda 10.0已下架,官网仅提供10.1版本。谢谢!

忘了我的系统是windows10。谢谢!

哦,我找到了,希望任何人都可以得到帮助!
https://developer.nvidia.com/cuda-toolkit-archive

我遇到了同样的问题,结果我根本没有安装 cudnn(因为我认为安装 CUDA 会包含它,结果它不是)
安装指南可以在这里找到

@ymodak由于似乎不可能为所有可能的 Python+CUDA+cuDNN 版本提供 tensorflow 构建,你们至少会考虑改进错误消息以包括:

  1. 动态加载时找不到的 DLL 的名称

或者:

  1. 由于依赖链不满足而无法加载的静态加载的 DLL 的名称?

成功
张量流-GPU == 1.10.0
蟒蛇 3.6.8
CUDA v9.0
cudnn 7.6.0
这终于解决了我的 autokeras 安装问题

成功

我们可以在 Radeon 显卡中安装 cuda 和 cudnn 吗

2019 年 4 月 6 日星期六晚上 10:22,Jed Baxter, notifications@ github.com 写道:

目前的安装过程真是一团糟!

感谢这里的贡献者,我终于让它工作了(我
思考!)

我遵循了 tensorflow 中的所有常规 PIP 安装过程
页面并最终在我的新 Windows 10 桌面上使用此组合
(英伟达 GTX 1660):

十位:1.13.1
CUDA:10.1
cuDNN:7.5

并且还更新了我的系统路径以根据需要添加这些库(尽管
一些 CUDA 路径已经出现在那里,大概是它的一部分
立即安装,但根据需要添加了更多路径,如此处所述
https://www.tensorflow.org/install/gpu#windows_setup )。

在 jupyter 中尝试:
将张量流导入为 tf

并得到每个人都看到的错误:
导入错误:DLL 加载失败:找不到指定的模块。

我对解决方案的第一次尝试奏效了!

遵循@oshadaamila https://github.com/oshadaamila的建议
以上
https://github.com/tensorflow/tensorflow/issues/22794#issuecomment-478855387
我卸载了 PiP tensorflow 并使用 Conda 重新安装。

Conda 带来了以下版本:
十位:1.13.1
CUDA:10.0.130
cuDNN:7.3

导入现在可以正常工作并且一个小代码测试运行良好:

a= tf.constant(4)
b=tf.constant(5)
sess=tf.Session()
c= a+b
打印('总和 =',sess.run(c))

给出9的答案。

我没有更改系统 PATH 环境中的任何内容 - 所有新的
CUDA 和 cuDNN 现在安装在 Anaconda3/pkgs 文件夹中,因此它们看起来像
在python环境中优先引用。

如果尝试在外部工作,我可能会出错
Ananconda 环境,但现在我什至试图这样做。


您收到此消息是因为您发表了评论。
直接回复本邮件,在GitHub上查看
https://github.com/tensorflow/tensorflow/issues/22794#issuecomment-480519001
或静音线程
https://github.com/notifications/unsubscribe-auth/Auda9lPIPF0BJa_NUNfnkhqoHPcvmTwCks5veNC2gaJpZM4XLOd-
.

我们可以在 radeon 显卡中安装 cuda

2019 年 4 月 14 日星期日,上午 8:38 Utkal Sinha, notifications@ github.com
写道:

通过降级到 CUDA 10.0、cuDNN v7.5.0.56、Python 3.6.7 和
张量流 1.13.1。

不要忘记清理或卸载任何以前版本的 tensorflow 和
CUDA 如果您尝试使用这种组合。 如果你有 Python 3.7,并且
尝试安装 tensorflow 1.13.1 或任何更低版本,则不会
工作,因为到目前为止没有任何版本的 tensorflow 支持 Python 3.7。
删除 Python 3.7,重新开始。


您收到此消息是因为您发表了评论。
直接回复本邮件,在GitHub上查看
https://github.com/tensorflow/tensorflow/issues/22794#issuecomment-482915167
或静音线程
https://github.com/notifications/unsubscribe-auth/Auda9j9qH1-Z_UgS8jT6-hZZD4xwlzISks5vgpuugaJpZM4XLOd-
.

@roopahtshree GPU

检查以下链接。 具有 CUDA® 计算能力 3.5 或更高版本的 NVIDIA® GPU 卡
https://developer.nvidia.com/cuda-gpus

有同样的问题,但使用 CUDA 10.0、CUDNN 7、Python 3.6.8 和 TensorFlow 1.13 现在可以工作了。

https://docs.nvidia.com/deeplearning/sdk/cudnn-support-matrix/index.html

视窗 10
cuDNN 7.5.0
CUDA 9.0.176
张量流-GPU 1.10.0
蟒蛇 Python 3.6.2

好的!!!

视窗 8.1
用于 CUDA 10.0 的 cuDNN 7.6.0
适用于 Windows 7 的 CUDA 10.0
张量流-GPU 1.13.1
蟒蛇 Python 3.7+

好的!!!!

@pishangujeniya

过去几天我一直在尝试安装 tensorflow,我已经尝试了几乎所有这些配置。 这个对我有用。 非常感谢。

在这里我发布我的解决方案:
直接使用pip isntall(tensorflow1.13.1)也遇到了问题( ImportError: DLL load failed: 找不到指定的模块。Failed to load the native TensorFlow runtime .)。 我转向lfd.uci并下载了另一个编译的旧版本 tensorflow1.9 ,然后将其安装到本地。 有用 。

  • win10 x64
  • cuda10.1 cudnn 7.5
  • anaconda3 2019.3 与 python3.7

似乎对于 TensorFlow 1.13.1,只有 CUDA 10 可以工作(而不是 CUDA 10.1)。 @pishangujeniya共享的配置有效。

CUDA 工具包 10.0(2018 年 9 月)
下载 cuDNN v7.6.0(2019 年 5 月 20 日),适用于 CUDA 10.0

我的配置适用于以下内容:

张量流-GPU == 1.14.0
蟒蛇 3.6.8
CUDA v10.0
cudnn 7.4.1.5

我在 Anaconda 中运行 TensorFlow,也遇到了这个问题。 它与 TensorFlow、CUDA 和 cuDNN 版本之间的兼容性问题有关。 Anaconda 最新的 cudatoolkit 会自动为 TF v1.13 下载并安装正确版本的 CUDA 和 cuDNN。 您可以使用 cudatoolkit 而不是手动安装 CUDA 和 cuDNN。

我能够通过以下方式解决此问题:
1) 卸载Anaconda,然后下载安装最新版本的Anaconda
2)创建新的虚拟环境并使用“conda install tensorflow-gpu”(自动安装CUDA和cuDNN)
3)在这个环境中为项目工作

谢谢大家。 10.1 工具包不断失败并出现相同的错误,但 10.0 工作得很好。

我通过卸载 cuda10.1 并安装 cuda 10.0 来修复它

我在 Anaconda 中运行 TensorFlow,也遇到了这个问题。 它与 TensorFlow、CUDA 和 cuDNN 版本之间的兼容性问题有关。 Anaconda 最新的 cudatoolkit 会自动为 TF v1.13 下载并安装正确版本的 CUDA 和 cuDNN。 您可以使用 cudatoolkit 而不是手动安装 CUDA 和 cuDNN。

我能够通过以下方式解决此问题:

  1. 卸载 Anaconda,然后下载并安装最新版本的 Anaconda
  2. 创建新的虚拟环境并使用“conda install tensorflow-gpu”(也会自动安装 CUDA 和 cuDNN)
  3. 在此环境中为项目工作

经过所有的试验,这个答案让我开心。 'conda install tensorflow-gpu' 将 tensorflow 锁定在 1.12 并解决了所有依赖问题。

我遇到了同样的问题......

C:\Anaconda3>python
Python 3.7.1(默认,2018 年 10 月 28 日,08:39:03)[MSC v.1912 64 位 (AMD64)] :: Anaconda, Inc. on win32
输入“帮助”、“版权”、“信用”或“许可”以获取更多信息。

将张量流导入为 tf
回溯(最近一次调用最后一次):
文件“C:\Anaconda3\lib\site-packagestensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Anaconda3\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Anaconda3\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Anaconda3\lib\imp.py”,第 242 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Anaconda3\lib\imp.py”,第 342 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:动态链接库 (DLL) 初始化例程失败。

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件 ”",第 1 行,在
文件“C:\Anaconda3\lib\site-packagestensorflow__init__.py”,第 28 行,在
from tensorflow.python import pywrap_tensorflow # pylint: disable=unused-import
文件“C:\Anaconda3\lib\site-packagestensorflow\python__init__.py”,第 49 行,在
从 tensorflow.python 导入 pywrap_tensorflow
文件“C:\Anaconda3\lib\site-packagestensorflow\python\pywrap_tensorflow.py”,第 74 行,在
引发导入错误(味精)
导入错误:回溯(最近一次调用最后一次):
文件“C:\Anaconda3\lib\site-packagestensorflow\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Anaconda3\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Anaconda3\lib\site-packagestensorflow\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Anaconda3\lib\imp.py”,第 242 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Anaconda3\lib\imp.py”,第 342 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:动态链接库 (DLL) 初始化例程失败。

无法加载本机 TensorFlow 运行时。

请参阅https://www.tensorflow.org/install/errors

出于一些常见的原因和解决方案。 包括整个堆栈跟踪
寻求帮助时出现在此错误消息上方。

发现了一些有趣的东西,它应该可以帮助你们中的一些使用 anaconda 的人。

系统规格:
寡妇 10
蟒蛇 3.7.3
CUDA 10.0
cudnn 和 cupti 与 conda 一起安装

通过在安装过程中将 anaconda 添加到系统路径(不推荐/默认设置),我无法 tf 运行。 在不选择该选项的情况下重新安装它解决了这个问题。

我认为这可能与指向cudnn64_7.dll文件有关,在Windows上安装后需要指向cuDNN64_7.dll。 添加它的说明如下:

  • 在 Windows 10 搜索框中键入路径
  • 打开设置:从控制面板编辑系统环境变量
  • 在高级选项卡中,单击环境变量...
  • 为您的用户名选择用户变量下的路径,然后单击编辑...
  • 在新窗口编辑环境变量中,单击新建并将以下路径粘贴到文本框中
  • (您的 CUDNN64_7.dll 位置)(例如,我的 - C:\cudnn-10.0-windows10-x64-v7.6.0.64cuda\bin)
  • 单击确定关闭窗口,再次单击确定关闭环境变量窗口和系统 - 属性窗口
    - 打开 Anaconda Prompt 并输入 echo %PATH% ,您应该能够在输出中看到新添加的路径。

我怀疑是这样。 或者至少这不是我的原因。 我确实手动添加了路径,但系统无法检测到它

我也得到同样的错误。
不知何故将 TensorFlow 升级到 version1.14.0 解决了这个问题:)

安装在 conda 环境中,在 win10 + gtx1060(nb 版)上运行良好
张量流 1.13.1
张量流-GPU 1.13.1
张量流数据集 1.0.1
keras 2.2.3
cudatoolkit 9.0
cudnn 7.6.4
蟒蛇 3.6.7

我今天整天都被这个问题困住了
在虚拟环境中,我能够成功导入 Tensorflow 2,但在 Visual Studio Jupyter notebook 中出现以下错误

_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
File "C:\Users\IT\envs\tf1env\lib\imp.py", line 242, in load_module
return load_dynamic(name, filename, file)
File "C:\Users\IT\envs\tf1env\lib\imp.py", line 342, in load_dynamic
return _load(spec)
ImportError: DLL load failed: The specified module could not be found.

我使用的是 Tensorflow 2、CUDA 10.1 和 cuDNN 7.6.5

这不是一个容易自己找出或解决的问题。

简单的按钮是按照这篇文章中的说明进行操作:
https://www.pugetsystems.com/labs/hpc/How-to-Install-TensorFlow-with-GPU-Support-on-Windows-10-Without-Installing-CUDA-UPDATED-1419

或者只是使用 Google Colab - 他们会为您处理所有这些。

“ImportError: DLL load failed:” 没想到提到缺少哪个 DLL? 这会很有趣

同样的问题
在 conda lsit 中,它说我已经安装了该软件包。
但是当我尝试运行它时,出现了很多错误。

我不知道怎么了

Tensorflow 2.1.0(CPU 版本)有这个问题。 通过降级到 Tensorflow 2.0.0 设法修复它:

pip install tensorflow==2.0.0

如果你在 2.1.0 之后有这个,可能是因为它默认支持 GPU。 它需要 _Microsoft Visual C++ Redistributable for Visual Studio 2015_,如网站上的安装步骤 #1 所示。

image

从发行说明:

image

我发现上面@abdulrahman-khankan 截图的发行说明: https :

这是该文档中的

我假设每个人都知道如何去发布页面或只是谷歌 MS 安装程序。 感谢分享链接!

由于 PyInstaller 的进一步问题,我最终降级为tensorflow == 1.14.0

@ERDataDoc使用您的链接

简单的按钮是按照这篇文章中的说明进行操作:
https://www.pugetsystems.com/labs/hpc/How-to-Install-TensorFlow-with-GPU-Support-on-Windows-10-Without-Installing-CUDA-UPDATED-1419

很有帮助,但有时它可以将驱动程序升级到尚不支持的 CUDA 10.2
(这发生在我的情况下)

抱歉,我意识到这没有帮助,但我现在已经放弃尝试在 Windows 下用 Python 做任何严肃的事情。 3 周后,我仍在尝试安装第一个教程所需的所有东西(也许我的眼光太高了,但后来我确实记得打孔卡和纸带)

https://github.com/tensorflow/tensorflow/issues/22512#issuecomment -572603142
这为我解决了它。
(降级到 tensorflow 2.0.0)
pip install tensorflow==2.0.0

https://github.com/tensorflow/tensorflow/issues/22794#issuecomment -580329356

我安装了可再发行组件,并且 msvcp140.dll 在我的文件系统上可用。

但是,我仍然收到错误消息。 降级有帮助,但我需要升级我的版本,因为 2.0.0 上有一个未修复的错误,我无法解决。

开发人员是否有任何通知,他们正在处理此问题?

我修好了它。
花几天时间寻找修复它们。

使用 pip install tensorflow-cpu 安装 tensorflow
更新了 Visual C++ 2015-2019

问题是因为我没有 nvidia 显卡,所以我应该安装 cpu 版本,因为我使用的是 Raedon vega 8 显卡

希望能帮助到你。

就我而言,我使用的是 Python 3.6,但它出错了。 所以我升级到 3.6.8 然后它与 tensorflow 2.0.0 一起工作

它对我有用 python: 3.7.6
点安装张量流==2.0
如果您使用的是 tensoflow-gpu
pip install --upgrade tensorflow-gpu==2.0

我安装了

  • python 3.6.2 (<-- 必须更改我的 python 版本,并更改​​为 64 位)
  • 我的 System32/ 中已经有 msvcp140.dll 和 msvcp140_1.dll
  • Cuda 10.0(不确定是否有必要)。
  • pip install tensorflow==2.0 (<-- 2.1.0 没用!)
    然后它起作用了:)

这是该线程的最终答案: https :

请不要垃圾邮件“我解决了!” 和定制解决方案。

嗨, @mihaimaruseac

  1. 你可以用的,可能是由于缺乏支持AVX指令事业的问题的说明添加新项指令在网站上?
  2. 您将此链接添加到问题列表中 __Error message__ 等于 _"ImportError: DLL load failed: The specified module could not be found."_
  3. 您知道如何创建自己的没有 AVX 支持的二进制文件吗?

如果有人需要没有 AVX 支持的 tensorflow whl,你可以在这个存储库中找到它,非常感谢作者。 或者,您可以使用英特尔软件开发模拟器来运行具有 AVX 支持的原始 tensorflow。

要测试 AVX 支持,请使用Coreinfo

错误:根:检查模块中的内部 Python 错误。
下面是这个内部错误的回溯。

回溯(最近一次调用最后一次):
文件“C:\Users\Pankaj\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py”,第 3331 行,在 run_code 中
exec(code_obj,self.user_global_ns,self.user_ns)
文件 ”",第 1 行,在
flair_data, ot_data =load_dataset(PATH)
文件 ”",第 64 行,在 load_dataset 中
train_ot = np.vstack(train_ot)
文件“<__array_function__ internals>”,第 6 行,在 vstack 中
文件“C:\Users\Pankaj\Anaconda3\lib\site-packages\numpy\core\shape_base.py”,第 283 行,在 vstack 中
返回 _nx.concatenate(arrs, 0)
文件“<__array_function__ internals>”,第 6 行,串联
ValueError:至少需要一个数组来连接

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件“C:\Users\Pankaj\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py”,第 2044 行,在 showtraceback 中
stb = value._render_traceback_()
AttributeError: 'ValueError' 对象没有属性 '_render_traceback_'

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Users\Pankaj\Anaconda3\lib\imp.py”,第 242 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Users\Pankaj\Anaconda3\lib\imp.py”,第 342 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件“C:\Users\Pankaj\Anaconda3\lib\site-packages\IPython\core\ultratb.py”,第 1151 行,在 get_records 中
返回_fixed_getinnerframes(etb, number_of_lines_of_context, tb_offset)
文件“C:\Users\Pankaj\Anaconda3\lib\site-packages\IPython\core\ultratb.py”,第 319 行,包裹
返回 f( args, * kwargs)
文件“C:\Users\Pankaj\Anaconda3\lib\site-packages\IPython\core\ultratb.py”,第 353 行,在 _fixed_getinnerframes
记录 = fix_frame_records_filenames(inspect.getinnerframes(etb, context))
文件“C:\Users\Pankaj\Anaconda3\lib\inspect.py”,第 1502 行,在 getinnerframes
frameinfo = (tb.tb_frame,) + getframeinfo(tb, context)
文件“C:\Users\Pankaj\Anaconda3\lib\inspect.py”,第 1460 行,在 getframeinfo 中
文件名 = getsourcefile(frame) 或 getfile(frame)
文件“C:\Users\Pankaj\Anaconda3\lib\inspect.py”,第 696 行,在 getsourcefile 中
如果 getattr(getmodule(object, filename), '__loader__', None) 不是 None:
文件“C:\Users\Pankaj\Anaconda3\lib\inspect.py”,第 733 行,在 getmodule 中
如果 ismodule(module) 和 hasattr(module, '__file__'):
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow__init__.py”,第 50 行,在 __getattr__ 中
模块 = self._load()
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow__init__.py”,第 44 行,在 _load
模块 = _importlib.import_module(self.__name__)
文件“C:\Users\Pankaj\Anaconda3\lib\importlib__init__.py”,第 127 行,在 import_module 中
返回_bootstrap._gcd_import(名称[级别:],包,级别)
文件 ”",第 1006 行,在 _gcd_import 中
文件 ”",第 983 行,在 _find_and_load 中
文件 ”",第 953 行,在 _find_and_load_unlocked 中
文件 ”",第 219 行,在 _call_with_frames_removed 中
文件 ”",第 1006 行,在 _gcd_import 中
文件 ”",第 983 行,在 _find_and_load 中
文件 ”",第 967 行,在 _find_and_load_unlocked 中
文件 ”",第 677 行,在 _load_unlocked 中
文件 ”",第 728 行,在 exec_module 中
文件 ”",第 219 行,在 _call_with_frames_removed 中
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core__init__.py”,第 42 行,在
从 。 _api.v2 导入音频
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core_api\v2\audio__init__.py”,第 10 行,在
从 tensorflow.python.ops.gen_audio_ops 导入 decode_wav
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core\python\ops\gen_audio_ops.py”,第 9 行,在
从 tensorflow.python 导入 pywrap_tensorflow 作为 _pywrap_tensorflow
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow__init__.py”,第 50 行,在 __getattr__ 中
模块 = self._load()
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow__init__.py”,第 44 行,在 _load
模块 = _importlib.import_module(self.__name__)
文件“C:\Users\Pankaj\Anaconda3\lib\importlib__init__.py”,第 127 行,在 import_module 中
返回_bootstrap._gcd_import(名称[级别:],包,级别)
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core\python__init__.py”,第 49 行,在
从 tensorflow.python 导入 pywrap_tensorflow
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core\python\pywrap_tensorflow.py”,第 74 行,在
引发导入错误(味精)
导入错误:回溯(最近一次调用最后一次):
文件“C:\Users\Pankaj\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py”,第 3331 行,在 run_code 中
exec(code_obj,self.user_global_ns,self.user_ns)
文件 ”",第 1 行,在
flair_data, ot_data =load_dataset(PATH)
文件 ”",第 64 行,在 load_dataset 中
train_ot = np.vstack(train_ot)
文件“<__array_function__ internals>”,第 6 行,在 vstack 中
文件“C:\Users\Pankaj\Anaconda3\lib\site-packages\numpy\core\shape_base.py”,第 283 行,在 vstack 中
返回 _nx.concatenate(arrs, 0)
文件“<__array_function__ internals>”,第 6 行,串联
ValueError:至少需要一个数组来连接

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件“C:\Users\Pankaj\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py”,第 2044 行,在 showtraceback 中
stb = value._render_traceback_()
AttributeError: 'ValueError' 对象没有属性 '_render_traceback_'

在处理上述异常的过程中,又发生了一个异常:

回溯(最近一次调用最后一次):
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core\python\pywrap_tensorflow.py”,第 58 行,在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core\python\pywrap_tensorflow_internal.py”,第 28 行,在
_pywrap_tensorflow_internal = swig_import_helper()
文件“C:\Users\Pankaj\Anaconda3\lib\site-packagestensorflow_core\python\pywrap_tensorflow_internal.py”,第 24 行,在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
文件“C:\Users\Pankaj\Anaconda3\lib\imp.py”,第 242 行,在 load_module 中
返回负载动态(名称,文件名,文件)
文件“C:\Users\Pankaj\Anaconda3\lib\imp.py”,第 342 行,在 load_dynamic
返回 _load(spec)
导入错误:DLL 加载失败:找不到指定的模块。

无法加载本机 TensorFlow 运行时。

请参阅https://www.tensorflow.org/install/errors

出于一些常见的原因和解决方案。 包括整个堆栈跟踪
寻求帮助时出现在此错误消息上方。

如果您安装 2019 及之前版本,请卸载最新的 Microsoft Visual C++ Redistributable for Visual Studio 版本

在此网站上根据您的系统(x64 或 x86)下载适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ Redistributable

https://support.microsoft.com/en-my/help/2977003/the-latest-supported-visual-c-downloads

如果您安装 2019 及之前版本,请卸载最新的 Microsoft Visual C++ Redistributable for Visual Studio 版本

在此网站上根据您的系统(x64 或 x86)下载适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ Redistributable

https://support.microsoft.com/en-my/help/2977003/the-latest-supported-visual-c-downloads

你好,
我确实安装了那个 Micrsoft Visual C++。 但同样的错误仍然存​​在。 安装后,还有什么我应该做的(移动文件等?)

好像是TF2.1的问题。

降级到 TF2.0 对我有用:pip install tensorflow==2.0

@pallyndr这是因为您需要下载最新的 2.1 MSVC 可再发行组件,如https://github.com/tensorflow/tensorflow/issues/22794#issuecomment -573297027 中所述

不幸的是,随着人们不断在线程上堆积“它对我有用”/“我遇到了同样的问题”/“通过做其他事情解决了它”,上述评论中的实际解决方案被埋葬了。

在我下载 MSVC 和 CUDA(我使用的是 NVIDIA 卡)和 cuDNN 之后,它就可以工作了。

锁定对话以免获得更多使解决方案静音的评论

此页面是否有帮助?
0 / 5 - 0 等级